网站备案变更主体收钱码合并的网站怎么做

在 Ubuntu 系统上使用 uv 安装 vllm 可以分为几个步骤。uv 是一个极其快速的 Python 包安装器和解析器，由 Astral 公司（Ruff 的创建者）开发，非常适合用来安装像 vllm 这样依赖复杂的项目。

以下是详细步骤：

步骤 1：更新系统包索引（推荐）

首先，确保你的 Ubuntu 系统是最新的。

sudo apt update && sudo apt upgrade -y

步骤 2：安装 uv

你可以使用官方的安装脚本来安装 uv，这是最方便的方法。

curl -LsSf https://astral.sh/uv/install.sh | sh

安装完成后，按照提示将 uv 添加到你的 PATH 中。通常需要重新启动终端或执行以下命令：

source ~/.bashrc
# 或者如果你使用 zsh
source ~/.zshrc

验证 uv 是否安装成功：

uv --version

步骤 3：使用 uv 创建虚拟环境并安装 vllm

uv 的核心功能是管理环境和安装包。我们将使用它创建一个新的虚拟环境并在其中安装 vllm。

1. 创建项目目录并进入（可选，但推荐）
   这有助于保持环境隔离。

   mkdir vllm-project && cd vllm-project
   

2. 初始化虚拟环境并安装 vllm
   使用 uv init 命令可以一步完成创建虚拟环境、生成 pyproject.toml 并安装包。

   uv init . --python 3.11
   uv add vllm
   

   • uv init . 在当前目录初始化一个项目。
   • --python 3.11 指定 Python 版本（vllm 强烈推荐使用 Python 3.9-3.11）。
   • uv add vllm 将 vllm 包添加到依赖项并安装。

或者，使用更传统的流程：

# 1. 创建虚拟环境，命名为 .venv
uv venv .venv
# 2. 激活虚拟环境
source .venv/bin/activate
# 3. 使用 uv pip 安装 vllm (速度远超传统 pip)
uv pip install vllm

步骤 4：安装 vllm 的可选依赖（CUDA）

vllm 是一个 GPU 密集型库，需要 CUDA。uv 在安装 vllm 时会自动处理其 Python 依赖（如 torch），但系统级的 CUDA 驱动和工具包需要你自己安装。

1. 检查 NVIDIA 驱动是否已安装：

   nvidia-smi
   

   如果这个命令输出了 GPU 信息，说明驱动已安装。如果没有，你需要先安装 NVIDIA 驱动。

2. 安装 CUDA Toolkit（如果需要）：
   vllm 通常与 CUDA 12.1 兼容性最好。推荐使用 apt 安装：

   # 首先添加 NVIDIA 包仓库
   distribution=$(. /etc/os-release;echo $ID$VERSION_ID | sed -e 's/\.//g')
   wget https://developer.download.nvidia.com/compute/cuda/repos/$distribution/x86_64/cuda-keyring_1.1-1_all.deb
   sudo dpkg -i cuda-keyring_1.0-1_all.deb
   sudo apt update# 安装 CUDA Toolkit 12.1
   sudo apt install -y cuda-toolkit-12-1
   

   安装完成后，可能需要设置环境变量（通常添加到 ~/.bashrc 中）：

   echo 'export PATH=/usr/local/cuda-12.1/bin:$PATH' >> ~/.bashrc
   echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
   source ~/.bashrc
   

步骤 5：验证安装

创建一个简单的 Python 脚本或直接在激活的虚拟环境中启动 Python 解释器来测试 vllm 是否安装成功。

source .venv/bin/activate # 如果尚未激活
python -c "import vllm; print('vllm 安装成功！'); print(f'版本: {vllm.__version__}')"

如果一切顺利，你将看到成功的导入信息和版本号。

---

常见问题与解决 (Troubleshooting)

1. Could not find version that satisfies the requirement vllm:

   • 确保你的网络连接正常，uv 可以访问 PyPI。

2. CUDA version is insufficient 或其他 CUDA 相关错误:

   • 运行 nvidia-smi 和 nvcc --version 检查你的驱动和 CUDA 版本。确保你安装的是 CUDA 12.1 或更高版本。
   • 有时 vllm 需要特定版本的 torch。可以尝试强制重新安装与 CUDA 匹配的 PyTorch：

     uv pip install --force-reinstall torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
     

     然后再重新安装 vllm：uv pip install vllm。

3. 性能问题或运行时错误:

   • 确保你是在虚拟环境中操作，并且没有多个版本的 torch 冲突。
   • 查阅 vllm 的官方文档：https://docs.vllm.ai

总结

使用 uv 在 Ubuntu 上安装 vllm 的流程可以简化为：

1. curl -LsSf https://astral.sh/uv/install.sh | sh 安装 uv。
2. uv venv .venv && source .venv/bin/activate 创建并激活虚拟环境。
3. uv pip install vllm 使用超快的 uv pip 安装 vllm。
4. 确保系统已正确安装 NVIDIA 驱动 和 CUDA 12.1+ Toolkit。

uv 极大地简化了 Python 依赖管理的复杂度，并提供了飞快的安装速度，是管理像 vllm 这样大型项目的优秀工具。